(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210278866.3 (22)申请日 2022.03.17 (71)申请人 北京邮电大 学 地址 100876 北京市海淀区西土城路10号 (72)发明人 卢美莲　缪思琪　 (74)专利代理 机构 北京风雅颂专利代理有限公 司 11403 专利代理师 徐雅琴 (51)Int.Cl. G06F 40/30(2020.01) G06F 40/242(2020.01) G06F 16/35(2019.01) G06N 3/04(2006.01) (54)发明名称 一种方面级情感分析方法及装置 (57)摘要 本说明书一个或多个实施例提供一种方面 级情感分类方法及装置， 包括： 对评论语句进行 编码处理， 生成句子对向量和评论向量； 对预定 方面类别进行编码处理， 生成方面类别向量； 将 所述评论向量输入预先训练的评论特征提取模 型中， 得到评论特征向量； 根据所述评论特征向 量和所述方面类别向量， 生成动态方面向量； 根 据所述目标 实体向量、 上下文向量和动态方面向 量， 生成具有语义关系的评论向量； 将所述句子 对向量和所述具有语义关系的评论向量输入情 感分类器， 得到预测的情感极性。 本实施例的方 法能够提高情感预测的准确性。 权利要求书2页 说明书13页 附图4页 CN 114781390 A 2022.07.22 CN 114781390 A 1.一种方面级情感分类方法， 其特 征在于， 包括： 对评论语句进行编码处理， 生成句子对向量和评论向量； 其中， 所述句子对向量中对应 评论语句的向量包括目标实体向量和上 下文向量； 对预定方面类别进行编码处 理， 生成方面类别向量； 将所述评论向量输入预 先训练的评论特 征提取模型中， 得到 评论特征向量； 根据所述评论特 征向量和所述方面类别向量， 生成动态方面向量； 根据所述目标实体向量、 上 下文向量和动态方面向量， 生成具有语义关系的评论向量； 将所述句子对向量和所述具有语义关系的评论向量输入情感分类器， 得到预测的情感 极性。 2.根据权利要求1所述的方法， 其特征在于， 所述对评论语句进行编码处理之前， 还包 括： 对于所述评论语句中的每 个词， 检索预定数量的相关概念词； 根据所述相关概念词， 构建解释语句； 根据所述评论语句和所述 解释语句， 生成扩展后的评论语句。 3.根据权利要求2所述的方法， 其特征在于， 所述对评论语句进行编码处理， 生成句子 对向量和评论向量， 包括： 利用预设的编码模型对所述扩展后的评论语句进行编码处 理， 得到所述评论向量； 根据所述评论语句中的目标实体和方面类别构造 至少一个辅助句； 将所述评论语句和至少一个辅助句拼接为句子对； 利用所述编码模型对所述句子对进行编码处 理， 得到所述句子对向量。 4.根据权利要求1所述的方法， 其特征在于， 根据 所述评论特征向量和所述方面类别向 量， 生成动态方面向量， 包括： 按照预设的动态比例系数， 将所述评论特征向量和所述方面类别向量进行加权求和， 得到所述动态方面向量。 5.根据权利要求1 ‑4中任意一项所述的方法， 其特征在于， 根据所述目标实体向量、 上 下文向量和动态方面向量， 生成具有语义关系的评论向量， 包括： 根据所述目标实体向量和所述上下文向量， 生成 目标实体与 上下文相互关注的第 一评 论向量； 根据所述第一评论向量和所述动态方面向量， 生成所述具有语义关系的评论向量。 6.根据权利要求5所述的方法， 其特征在于， 根据所述目标实体向量和所述上下文向 量， 生成目标实体与上 下文相互关注的第一评论向量， 包括： 根据所述目标实体向量和所述上下文向量， 确定上下文关注目标实体的加权目标实体 向量， 以及目标实体关注上 下文的加权上 下文向量； 将所述加权目标实体向量和所述加权上 下文向量 拼接为所述第一评论向量。 7.根据权利要求6所述的方法， 其特征在于， 根据所述目标实体向量和所述上下文向 量， 确定上 下文关注目标实体的加权目标实体向量， 包括： 根据所述上 下文向量中的所有词向量， 计算上 下文平均向量； 根据所述上下文平均向量和所述目标实体向量， 计算上下文对目标实体的第一注意 力；权　利　要　求　书 1/2 页 2 CN 114781390 A 2根据所述目标实体向量和所述第一注意力， 确定所述加权目标实体向量。 8.根据权利要求6所述的方法， 其特征在于， 根据所述目标实体向量和所述上下文向 量， 确定目标实体关注上 下文的加权上 下文向量， 包括： 根据所述目标实体向量中的所有词向量， 计算目标实体平均向量； 根据所述目标实体平均向量和所述上下文向量， 计算目标实体对上下文的第二注意 力； 根据所述上 下文向量和所述第二注意力， 确定所述加权上 下文向量。 9.根据权利要求5所述的方法， 其特征在于， 根据 所述第一评论向量和所述动态方面向 量， 生成所述具有语义关系的评论向量， 包括： 根据所述第一评论向量和所述动态方面向量， 计算方面级注意力； 根据所述方面级注意力和所述第一评论向量， 确定所述具有语义关系的评论向量。 10.一种方面级情感分类装置， 其特 征在于， 包括： 第一编码模块， 用于对评论语句进行编码处理， 生成句子对向量和评论向量； 其中， 所 述句子对向量中对应评论语句的向量包括目标实体向量和上 下文向量； 第二编码模块， 用于对预定方面类别进行编码处 理， 生成方面类别向量； 特征提取模块， 用于将所述评论向量输入预先训练的评论特征提取模型中， 得到评论 特征向量； 动态方面模块， 用于根据所述评论特 征向量和所述方面类别向量， 生成动态方面向量； 语义分析模块， 用于根据目标实体向量、 上下文向量和动态方面向量， 生成具有语义关 系的评论向量； 预测模块， 用于将所述句子对向量和所述具有语义关系的评论向量输入情感分类器， 得到预测的情感极性。权　利　要　求　书 2/2 页 3 CN 114781390 A 3